IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK IDENTIFIKASI DINI SISWA YANG MENGALAMI KENDALA AKADEMIK

Iva Rachmawati, - (2020) IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK IDENTIFIKASI DINI SISWA YANG MENGALAMI KENDALA AKADEMIK. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_PTE_1602314_Title.pdf Download (2MB)
	Text S_PTE_1602314_Chapter 1.pdf Download (290kB)
	Text S_PTE_1602314_Chapter 2.pdf Restricted to Staf Perpustakaan Download (669kB)
	Text S_PTE_1602314_Chapter 3.pdf Download (1MB)
	Text S_PTE_1602314_Chapter 4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_PTE_1602314_Chapter 5.pdf Download (145kB)
	Text S_PTE_1602314_Appendix.pdf Restricted to Staf Perpustakaan Download (9MB)

Abstract

Penelitian ini bertujuan untuk mengidentifikasi dini siswa yang mengalami kendala akademik dengan mengimplementasikan Algoritma Random Forest. Algoritma klasifikasi ini digunakan agar hasil identifikasi lebih dini dan akurat daripada pendekatan secara tradisional. Desain penelitian yang digunakan adalah metode kuantitatif dan studi literatur, dengan data sekunder yang diperoleh dari UCI Machine Learning Repository. Tahapan untuk mengimplementasikan Algoritma Random Forest yaitu pra-pemrosesan data, kemudian proses training dan testing model. Atribut yang berpengaruh secara signifikan terhadap hasil identifikasi siswa adalah G2 dan G1 (penilaian 2 dan 1), atribut lainnya adalah absences (jumlah ketidakhadiran) dan failures (kegagalan pada kelas sebelumnya). Impelementasi Algoritma Random Forest untuk identifikasi dini siswa yang mengalami kendala akademik ini memiliki akurasi 88,89% dan AUC Score 0,971763 yang dikategorikan sangat baik. Berdasarkan hasil implementasi, diperoleh identifikasi 36 siswa yang mengalami kendala akademik dan 63 siswa yang tidak mengalami kendala akademik, dari data sebenarnya yaitu 33 siswa yang mengalami kendala akademik dan 66 siswa yang tidak mengalami kendala akademik. This research aims to early identify student at risk by implementing Random Forest Algorithm. This classification algorithm is used for early and more accurate results than traditional method. Research design used is quantitative method and literature study, with secondary data from UCI Machine Learning Repository. Steps to implement Random Forest algorithm are pre-processing data, then training and testing the model. The attributes that significantly influences identification results are G2 and G1 (grade in periode 2 and 1), other attributes are absences and failures. Implementation of Random Forest algorithm for student at risk early identification has 88,89% of accuracy and 0,971763 of AUC Score which is categorized as an excellent classification. Based on the implementation results, 36 student at risk and 63 student not at risk has been identified from the actual data of 33 student at risk and 66 student not at risk.

Item Type:	Thesis (S1)
Additional Information:	No panggil : S TE IVA i-2020; NIM : 1602314
Uncontrolled Keywords:	Random Forest, Identifikasi, Kendala Akademik
Subjects:	L Education > L Education (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Pendidikan Teknologi dan Kejuruan > Jurusan Pendidikan Teknik Elektro > Program Studi Pendidikan Teknik Elektro
Depositing User:	Iva Rachmawati
Date Deposited:	05 Aug 2020 06:18
Last Modified:	05 Aug 2020 06:18
URI:	http://repository.upi.edu/id/eprint/50078

Actions (login required)

View Item